In [1]:
pip install xgboost
Requirement already satisfied: xgboost in c:\users\hero_\anaconda3\lib\site-packages (2.1.3) Requirement already satisfied: numpy in c:\users\hero_\anaconda3\lib\site-packages (from xgboost) (1.26.4) Requirement already satisfied: scipy in c:\users\hero_\anaconda3\lib\site-packages (from xgboost) (1.13.1) Note: you may need to restart the kernel to use updated packages.
In [3]:
pip install prophet
Requirement already satisfied: prophet in c:\users\hero_\anaconda3\lib\site-packages (1.1.6) Requirement already satisfied: cmdstanpy>=1.0.4 in c:\users\hero_\anaconda3\lib\site-packages (from prophet) (1.2.5) Requirement already satisfied: numpy>=1.15.4 in c:\users\hero_\anaconda3\lib\site-packages (from prophet) (1.26.4) Requirement already satisfied: matplotlib>=2.0.0 in c:\users\hero_\anaconda3\lib\site-packages (from prophet) (3.8.4) Requirement already satisfied: pandas>=1.0.4 in c:\users\hero_\anaconda3\lib\site-packages (from prophet) (2.2.2) Requirement already satisfied: holidays<1,>=0.25 in c:\users\hero_\anaconda3\lib\site-packages (from prophet) (0.63) Requirement already satisfied: tqdm>=4.36.1 in c:\users\hero_\anaconda3\lib\site-packages (from prophet) (4.66.4) Requirement already satisfied: importlib-resources in c:\users\hero_\anaconda3\lib\site-packages (from prophet) (6.4.5) Requirement already satisfied: stanio<2.0.0,>=0.4.0 in c:\users\hero_\anaconda3\lib\site-packages (from cmdstanpy>=1.0.4->prophet) (0.5.1) Requirement already satisfied: python-dateutil in c:\users\hero_\anaconda3\lib\site-packages (from holidays<1,>=0.25->prophet) (2.9.0.post0) Requirement already satisfied: contourpy>=1.0.1 in c:\users\hero_\anaconda3\lib\site-packages (from matplotlib>=2.0.0->prophet) (1.2.0) Requirement already satisfied: cycler>=0.10 in c:\users\hero_\anaconda3\lib\site-packages (from matplotlib>=2.0.0->prophet) (0.11.0) Requirement already satisfied: fonttools>=4.22.0 in c:\users\hero_\anaconda3\lib\site-packages (from matplotlib>=2.0.0->prophet) (4.51.0) Requirement already satisfied: kiwisolver>=1.3.1 in c:\users\hero_\anaconda3\lib\site-packages (from matplotlib>=2.0.0->prophet) (1.4.4) Requirement already satisfied: packaging>=20.0 in c:\users\hero_\anaconda3\lib\site-packages (from matplotlib>=2.0.0->prophet) (23.2) Requirement already satisfied: pillow>=8 in c:\users\hero_\anaconda3\lib\site-packages (from matplotlib>=2.0.0->prophet) (10.3.0) Requirement already satisfied: pyparsing>=2.3.1 in c:\users\hero_\anaconda3\lib\site-packages (from matplotlib>=2.0.0->prophet) (3.0.9) Requirement already satisfied: pytz>=2020.1 in c:\users\hero_\anaconda3\lib\site-packages (from pandas>=1.0.4->prophet) (2024.1) Requirement already satisfied: tzdata>=2022.7 in c:\users\hero_\anaconda3\lib\site-packages (from pandas>=1.0.4->prophet) (2023.3) Requirement already satisfied: colorama in c:\users\hero_\anaconda3\lib\site-packages (from tqdm>=4.36.1->prophet) (0.4.6) Requirement already satisfied: six>=1.5 in c:\users\hero_\anaconda3\lib\site-packages (from python-dateutil->holidays<1,>=0.25->prophet) (1.16.0) Note: you may need to restart the kernel to use updated packages.
In [29]:
import pandas as pd # Veri çerçeveleri oluşturmak ve veri setlerini okumak için idealdir.
import numpy as np # Sayısal işlemler için.
import matplotlib.pyplot as plt # Görselleştirme için grafik ve çizimler.
from sklearn.cluster import KMeans # Kümeleme algoritması olarak KMeans kullanılır. Verileri belirli sayıda kümeye ayırmak için.
from sklearn.preprocessing import StandardScaler # Verilerin ölçeklendirilmesi için kullanılır.
from sklearn.model_selection import train_test_split # Veri setini eğitim ve test olarak ayırmak için.
import plotly.express as px
import plotly.graph_objects as go
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.ensemble import RandomForestRegressor
from xgboost import XGBRegressor
import warnings
warnings.filterwarnings('ignore')
In [31]:
df = pd.read_csv('data.csv', encoding='windows-1252') #dosya farklı bir kodlamada oldugu için encoding kullanmamız gerekiyor.
In [33]:
df.head()#ilk 5 satırı ve sütün bilgileri verir
Out[33]:
| InvoiceNo | StockCode | Description | Quantity | InvoiceDate | UnitPrice | CustomerID | Country | |
|---|---|---|---|---|---|---|---|---|
| 0 | 536365 | 85123A | WHITE HANGING HEART T-LIGHT HOLDER | 6 | 12/1/2010 8:26 | 2.55 | 17850.0 | United Kingdom |
| 1 | 536365 | 71053 | WHITE METAL LANTERN | 6 | 12/1/2010 8:26 | 3.39 | 17850.0 | United Kingdom |
| 2 | 536365 | 84406B | CREAM CUPID HEARTS COAT HANGER | 8 | 12/1/2010 8:26 | 2.75 | 17850.0 | United Kingdom |
| 3 | 536365 | 84029G | KNITTED UNION FLAG HOT WATER BOTTLE | 6 | 12/1/2010 8:26 | 3.39 | 17850.0 | United Kingdom |
| 4 | 536365 | 84029E | RED WOOLLY HOTTIE WHITE HEART. | 6 | 12/1/2010 8:26 | 3.39 | 17850.0 | United Kingdom |
In [35]:
df.tail() # son 5 satır ve sütün bilgileri verir
Out[35]:
| InvoiceNo | StockCode | Description | Quantity | InvoiceDate | UnitPrice | CustomerID | Country | |
|---|---|---|---|---|---|---|---|---|
| 541904 | 581587 | 22613 | PACK OF 20 SPACEBOY NAPKINS | 12 | 12/9/2011 12:50 | 0.85 | 12680.0 | France |
| 541905 | 581587 | 22899 | CHILDREN'S APRON DOLLY GIRL | 6 | 12/9/2011 12:50 | 2.10 | 12680.0 | France |
| 541906 | 581587 | 23254 | CHILDRENS CUTLERY DOLLY GIRL | 4 | 12/9/2011 12:50 | 4.15 | 12680.0 | France |
| 541907 | 581587 | 23255 | CHILDRENS CUTLERY CIRCUS PARADE | 4 | 12/9/2011 12:50 | 4.15 | 12680.0 | France |
| 541908 | 581587 | 22138 | BAKING SET 9 PIECE RETROSPOT | 3 | 12/9/2011 12:50 | 4.95 | 12680.0 | France |
In [37]:
df.info()#genel bilgileri verir int object türler Non-Null Count: Sütunda kaç tane boş değer olmadığı bilgisi
<class 'pandas.core.frame.DataFrame'> RangeIndex: 541909 entries, 0 to 541908 Data columns (total 8 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 InvoiceNo 541909 non-null object 1 StockCode 541909 non-null object 2 Description 540455 non-null object 3 Quantity 541909 non-null int64 4 InvoiceDate 541909 non-null object 5 UnitPrice 541909 non-null float64 6 CustomerID 406829 non-null float64 7 Country 541909 non-null object dtypes: float64(2), int64(1), object(5) memory usage: 33.1+ MB
In [39]:
# Data türlerini optimize etme
df['InvoiceNo'] = df['InvoiceNo'].astype('category') # Fatura numarası kategorik olarak saklanır
df['StockCode'] = df['StockCode'].astype('category') # Stok kodları kategorik yapılır
df['Description'] = df['Description'].astype('category') # Ürün açıklamaları kategorik yapılır
df['InvoiceDate'] = pd.to_datetime(df['InvoiceDate']) # Fatura tarihi datetime formatına dönüştürülür
df['Country'] = df['Country'].astype('category') # Ülkeler kategorik yapılır
In [41]:
df.info() # Bellek kullanımının önemli ölçüde azaldığını ve analizlerin hızlandığını görebiliriz.
<class 'pandas.core.frame.DataFrame'> RangeIndex: 541909 entries, 0 to 541908 Data columns (total 8 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 InvoiceNo 541909 non-null category 1 StockCode 541909 non-null category 2 Description 540455 non-null category 3 Quantity 541909 non-null int64 4 InvoiceDate 541909 non-null datetime64[ns] 5 UnitPrice 541909 non-null float64 6 CustomerID 406829 non-null float64 7 Country 541909 non-null category dtypes: category(4), datetime64[ns](1), float64(2), int64(1) memory usage: 21.7 MB
In [227]:
df.shape
Out[227]:
(372184, 15)
In [43]:
df.isnull().sum() #kaç tane eksik veri var toplamı
Out[43]:
InvoiceNo 0 StockCode 0 Description 1454 Quantity 0 InvoiceDate 0 UnitPrice 0 CustomerID 135080 Country 0 dtype: int64
In [45]:
# Eksik değer sayısını hesaplayın
missing_values = df.isnull().sum()
# Toplam değer sayısını hesaplama
total_values = df.shape[0]
# Eksik değer oranını hesaplama
missing_percentage = (missing_values / total_values) * 100
# Sonuçları birleştirmek
missing_data = pd.DataFrame({'Missing Values': missing_values, 'Missing Percentage': missing_percentage})
# Eksik değerlerin oranlarını görüntüleyin
print(missing_data)
Missing Values Missing Percentage InvoiceNo 0 0.000000 StockCode 0 0.000000 Description 1454 0.268311 Quantity 0 0.000000 InvoiceDate 0 0.000000 UnitPrice 0 0.000000 CustomerID 135080 24.926694 Country 0 0.000000
In [49]:
# Negatif miktarları ve birim fiyatları çıkar
df = df[(df['Quantity'] > 0) & (df['UnitPrice'] > 0)]
In [51]:
df.dropna(subset=['CustomerID'], inplace=True)
#customer ıd oldukça yüksek deger var eksiklik oranı silinmesi gerekir dogru analiz için %24.93
In [53]:
df.isnull().sum() #Tekrar eksik verilerin toplamını kontrol eder.
Out[53]:
InvoiceNo 0 StockCode 0 Description 0 Quantity 0 InvoiceDate 0 UnitPrice 0 CustomerID 0 Country 0 dtype: int64
In [55]:
df.describe().T #sayısal sütunlar hakkında hızlıca bilgi almak ve bu bilgileri daha okunabilir bir formatta sunmak için oldukça kullanışlıdır
Out[55]:
| count | mean | min | 25% | 50% | 75% | max | std | |
|---|---|---|---|---|---|---|---|---|
| Quantity | 397884.0 | 12.988238 | 1.0 | 2.0 | 6.0 | 12.0 | 80995.0 | 179.331775 |
| InvoiceDate | 397884 | 2011-07-10 23:41:23.511023360 | 2010-12-01 08:26:00 | 2011-04-07 11:12:00 | 2011-07-31 14:39:00 | 2011-10-20 14:33:00 | 2011-12-09 12:50:00 | NaN |
| UnitPrice | 397884.0 | 3.116488 | 0.001 | 1.25 | 1.95 | 3.75 | 8142.75 | 22.097877 |
| CustomerID | 397884.0 | 15294.423453 | 12346.0 | 13969.0 | 15159.0 | 16795.0 | 18287.0 | 1713.14156 |
In [57]:
Q1 = df['Quantity'].quantile(0.25)
Q3 = df['Quantity'].quantile(0.75)
IQR = Q3 - Q1
upper_limit = Q3 + 1.5 * IQR
lower_limit = Q1 - 1.5 * IQR
df = df[(df['Quantity'] >= lower_limit) & (df['Quantity'] <= upper_limit)]
In [59]:
df = df[df['UnitPrice'] > 0.01]
In [61]:
df[df['UnitPrice'] < 0.1]['Description'].value_counts()
Out[61]:
Description
BLUE STONES ON WIRE FOR CANDLE 16
LETTER SHAPE PENCIL SHARPENER 13
CARTOON PENCIL SHARPENERS 11
HOUSE SHAPE PENCIL SHARPENER 7
PIECE OF CAMO STATIONERY SET 6
..
FRENCH STYLE EMBOSSED HEART CABINET 0
FRENCH STYLE STORAGE JAR BONBONS 0
FRENCH STYLE STORAGE JAR CAFE 0
FRENCH STYLE STORAGE JAR JAM 0
wrongly sold sets 0
Name: count, Length: 4223, dtype: int64
In [63]:
df[df['UnitPrice'] > 1000][['Description', 'UnitPrice']]
Out[63]:
| Description | UnitPrice | |
|---|---|---|
| 117054 | Manual | 1687.17 |
| 117055 | Manual | 1687.17 |
| 144826 | Manual | 2382.92 |
| 144828 | Manual | 1252.95 |
| 144829 | Manual | 2053.07 |
| 145831 | Manual | 1136.30 |
| 150615 | Manual | 1867.86 |
| 173382 | POSTAGE | 8142.75 |
| 200745 | Manual | 1241.98 |
| 201553 | Manual | 1241.98 |
| 297438 | Manual | 2500.00 |
| 343000 | Manual | 2033.10 |
| 374542 | Manual | 3155.95 |
| 406406 | Manual | 3949.32 |
| 406407 | Manual | 2118.74 |
| 422351 | Manual | 4161.06 |
| 422376 | Manual | 4161.06 |
| 467436 | DOTCOM POSTAGE | 1500.36 |
| 494728 | DOTCOM POSTAGE | 1270.06 |
| 508459 | DOTCOM POSTAGE | 1526.76 |
| 528082 | DOTCOM POSTAGE | 1599.26 |
In [65]:
manual_rows = df[df['Description'].str.contains('Manual', case=False)]
print(manual_rows[['Description', 'UnitPrice']].head(10))
Description UnitPrice 2239 Manual 1.25 2250 Manual 18.95 6798 Manual 0.85 7976 Manual 0.42 8587 Manual 0.42 8588 Manual 0.85 9326 Manual 0.65 9575 Manual 0.85 10113 Manual 1.00 12423 Manual 0.19
In [67]:
postage_rows = df[df['Description'].str.contains('POSTAGE', case=False)] #postage kayıtlarını çıkarır , çünkü kargo ücretleri satış analizine katkı sağlamaz.
print(postage_rows[['Description', 'UnitPrice']].head(10))
Description UnitPrice 45 POSTAGE 18.0 386 POSTAGE 15.0 1123 POSTAGE 18.0 5073 POSTAGE 18.0 5258 POSTAGE 18.0 5325 POSTAGE 40.0 5369 POSTAGE 18.0 6602 POSTAGE 18.0 6676 POSTAGE 18.0 6973 POSTAGE 18.0
In [69]:
df = df[~((df['Description'].str.contains('Manual', case=False)) & (df['UnitPrice'] > 100))]
#yüksek fiyatlı olanları çıkaralım Yüksek fiyatlı "Manual" kayıtları (örneğin 1687.17) çıkarılmalı.
# Düşük fiyatlı "Manual" ürünleri kılavuz olabilir, bu nedenle onları tutmak daha iyi bir tercih olabilir.
In [75]:
# UnitPrice sütunu için IQR (Interquartile Range) hesapla
Q1 = df['UnitPrice'].quantile(0.25)
Q3 = df['UnitPrice'].quantile(0.75)
IQR = Q3 - Q1
# Aykırı değer sınırlarını hesapla
lower_bound = Q1 - 1.5 * IQR # Alt sınır
upper_bound = Q3 + 1.5 * IQR # Üst sınır
print(f"Alt sınır: {lower_bound}, Üst sınır: {upper_bound}")
# Aykırı değerleri bul ve filtrele
df_cleaned = df[(df['UnitPrice'] >= lower_bound) & (df['UnitPrice'] <= upper_bound)]
# Karşılaştırma için orijinal ve temizlenmiş veri setlerinin özet istatistikleri
print("Önceki veri kümesi boyutu:", df.shape)
print("Temizlenmiş veri kümesi boyutu:", df_cleaned.shape)
# Son istatistiklerin kontrolü
print(df_cleaned['UnitPrice'].describe())
Alt sınır: -2.5, Üst sınır: 7.5 Önceki veri kümesi boyutu: (372184, 8) Temizlenmiş veri kümesi boyutu: (338147, 8) count 338147.000000 mean 2.192043 std 1.544761 min 0.060000 25% 1.250000 50% 1.650000 75% 2.950000 max 7.500000 Name: UnitPrice, dtype: float64
In [79]:
df_cleaned = df_cleaned[(df_cleaned['UnitPrice'] >= 0.1) & (df_cleaned['UnitPrice'] <= 1000)]
In [83]:
# UnitPrice aralığını belirle (0.1 ile 1000 arasında olan değerleri al)
df_cleaned = df[(df['UnitPrice'] >= 0.1) & (df['UnitPrice'] <= 1000)]
# Yeni veri kümesinin özetini kontrol et
print("Önceki veri kümesi boyutu:", df.shape)
print("Temizlenmiş veri kümesi boyutu:", df_cleaned.shape)
# Yeni istatistikleri gör
print(df_cleaned['UnitPrice'].describe())
# std 5.99 Standart sapma önceki 15.40 değerine göre çok daha düşük, bu da veri kalitesinin arttığını gösterir
# max 908.16 Üst sınır artık 8142.75 değil. Temizleme işlemi başarılı
# Başarılar
# Aykırı değerleri etkili bir şekilde temizlediniz. Artık yalnızca 0.1 - 908.16 TL aralığında fiyatlar var.
# Standart sapma (std) düştü (15.40 → 5.99), bu da veri kalitesinin arttığını gösterir.
# max (maximum) = 908.16: Bu, daha önce 8142.75 idi. Bu değişiklik, aşırı yüksek değerlerin etkisini ortadan kaldırdı.
Önceki veri kümesi boyutu: (372184, 8) Temizlenmiş veri kümesi boyutu: (372119, 8) count 372119.000000 mean 3.060615 std 5.993654 min 0.100000 25% 1.250000 50% 1.950000 75% 3.750000 max 908.160000 Name: UnitPrice, dtype: float64
In [87]:
df_cleaned = df_cleaned[df_cleaned['UnitPrice'] >= 0.50]
# 0.50 TL'den daha düşük fiyatları temizlememiz daha iyi sonuçlar verir analiz için
In [89]:
# UnitPrice = 0.06 olanları temizle
df_cleaned = df_cleaned[df_cleaned['UnitPrice'] > 0.06]
In [91]:
df.describe().T
Out[91]:
| count | mean | min | 25% | 50% | 75% | max | std | |
|---|---|---|---|---|---|---|---|---|
| Quantity | 372184.0 | 7.030837 | 1.0 | 2.0 | 4.0 | 12.0 | 27.0 | 6.66165 |
| InvoiceDate | 372184 | 2011-07-11 07:22:39.587193344 | 2010-12-01 08:26:00 | 2011-04-07 11:30:00 | 2011-08-01 10:09:00 | 2011-10-21 12:12:00 | 2011-12-09 12:50:00 | NaN |
| UnitPrice | 372184.0 | 3.097813 | 0.06 | 1.25 | 1.95 | 3.75 | 8142.75 | 15.406304 |
| CustomerID | 372184.0 | 15309.723862 | 12347.0 | 13985.0 | 15194.0 | 16813.0 | 18287.0 | 1711.50822 |
In [93]:
# POSTAGE, MANUAL, DOTCOM POSTAGE ürünlerini temizleyelim
df_cleaned = df_cleaned[~df_cleaned['Description'].str.contains('POSTAGE|DOTCOM POSTAGE|Manual', case=False, na=False)]
# UnitPrice 0.50'den küçükse temizleyelim
df_cleaned = df_cleaned[df_cleaned['UnitPrice'] >= 0.50]
# Özel olarak 0.06 UnitPrice değerlerini kontrol edelim ve temizleyelim
df_cleaned = df_cleaned[df_cleaned['UnitPrice'] > 0.06]
# Sonuçları kontrol edelim
print(df_cleaned['UnitPrice'].describe())
count 338484.000000 mean 3.229289 std 4.465991 min 0.500000 25% 1.250000 50% 2.080000 75% 3.750000 max 649.500000 Name: UnitPrice, dtype: float64
In [95]:
# UnitPrice temizliği
# Alt sınır 0.50, Üst sınır 7.5
df_cleaned = df_cleaned[(df_cleaned['UnitPrice'] >= 0.50) & (df_cleaned['UnitPrice'] <= 7.5)]
# Quantity temizliği
# Sadece Quantity > 0 olan kayıtları al
df_cleaned = df_cleaned[df_cleaned['Quantity'] > 0]
# Sonuçları kontrol et
print(df_cleaned[['Quantity', 'UnitPrice', 'CustomerID']].describe())
Quantity UnitPrice CustomerID count 305585.000000 305585.000000 305585.000000 mean 6.821117 2.384259 15326.959393 std 6.106721 1.501437 1710.795850 min 1.000000 0.500000 12347.000000 25% 2.000000 1.250000 13999.000000 50% 5.000000 1.950000 15241.000000 75% 12.000000 2.950000 16825.000000 max 27.000000 7.500000 18287.000000
In [99]:
# UnitPrice > 0.5 filtrelemesi
df_cleaned = df_cleaned[df_cleaned['UnitPrice'] > 0.5]
In [101]:
# En yüksek fiyatlara sahip ilk 10 satırı görüntüle
df_high_prices = df_cleaned[df_cleaned['UnitPrice'] > df_cleaned['UnitPrice'].quantile(0.99)]
print(df_high_prices[['Description', 'UnitPrice']].sort_values(by='UnitPrice', ascending=False).head(10))
Description UnitPrice 205324 PARISIENNE JEWELLERY DRAWER 7.5 422026 PARISIENNE CURIO CABINET 7.5 394854 PARISIENNE JEWELLERY DRAWER 7.5 394698 PARISIENNE JEWELLERY DRAWER 7.5 228641 PARISIENNE CURIO CABINET 7.5 228743 PARISIENNE JEWELLERY DRAWER 7.5 393572 PARISIENNE CURIO CABINET 7.5 229482 PARISIENNE JEWELLERY DRAWER 7.5 230328 PARISIENNE CURIO CABINET 7.5 231504 WHITE WIRE EGG HOLDER 7.5
In [103]:
# Temizleme sonrası veri istatistikleri
df_cleaned.describe()
Out[103]:
| Quantity | InvoiceDate | UnitPrice | CustomerID | |
|---|---|---|---|---|
| count | 305547.000000 | 305547 | 305547.000000 | 305547.000000 |
| mean | 6.820584 | 2011-07-10 23:40:27.465365248 | 2.384493 | 15326.928813 |
| min | 1.000000 | 2010-12-01 08:26:00 | 0.530000 | 12347.000000 |
| 25% | 2.000000 | 2011-04-06 10:27:00 | 1.250000 | 13999.000000 |
| 50% | 5.000000 | 2011-08-01 13:54:00 | 1.950000 | 15241.000000 |
| 75% | 12.000000 | 2011-10-21 12:56:00 | 2.950000 | 16825.000000 |
| max | 27.000000 | 2011-12-09 12:50:00 | 7.500000 | 18287.000000 |
| std | 6.106280 | NaN | 1.501383 | 1710.767773 |
In [105]:
# En çok satılan 10 ürünü bul
most_sold_products = (df_cleaned.groupby('Description')['Quantity']
.sum()
.sort_values(ascending=False)
.head(10)
.reset_index())
# Plotly bar plot oluştur
fig = px.bar(most_sold_products,
x='Quantity',
y='Description',
orientation='h', # Yatay çubuk grafiği için
title='En Çok Satılan 10 Ürün',
labels={'Quantity': 'Satış Miktarı', 'Description': 'Ürün Adı'},
color='Quantity',
color_continuous_scale='Blues')
# Grafik düzenlemeleri
fig.update_layout(yaxis={'categoryorder':'total ascending'},
xaxis_title='Satış Miktarı',
yaxis_title='Ürün Adı')
# Grafiği göster
fig.show()
In [107]:
# Ürün bazında satış miktarlarını hesapla
least_sold_products = df_cleaned.groupby('Description')['Quantity'].sum().sort_values(ascending=True).head(10)
# DataFrame'e dönüştür
least_sold_df = least_sold_products.reset_index()
# . Plotly ile çubuk grafiği oluştur
fig = px.bar(
least_sold_df,
x='Quantity',
y='Description',
orientation='h', # Yatay çubuk grafik
title='En Az Satılan 10 Ürün',
labels={'Quantity': 'Satış Miktarı', 'Description': 'Ürün Adı'},
color='Quantity', # Renk miktara göre belirlensin
color_continuous_scale='Reds' # Kırmızı tonlarında renk skalası
)
# 4. Grafik göster
fig.show()
In [109]:
# 1. Toplam kazanç sütunu ekle (Quantity * UnitPrice)
df_cleaned['TotalRevenue'] = df_cleaned['Quantity'] * df_cleaned['UnitPrice']
# 2. Ürün bazında toplam kazançları hesapla
most_profitable_products = df_cleaned.groupby('Description')['TotalRevenue'].sum().sort_values(ascending=False).head(10)
# 3. DataFrame'e dönüştür
most_profitable_df = most_profitable_products.reset_index()
# 4. Plotly ile çubuk grafiği oluştur
fig = px.bar(
most_profitable_df,
x='TotalRevenue',
y='Description',
orientation='h', # Yatay çubuk grafik
title='En Çok Kazandıran 10 Ürün',
labels={'TotalRevenue': 'Toplam Kazanç (₺)', 'Description': 'Ürün Adı'},
color='TotalRevenue', # Renk toplam kazanca göre belirlensin
color_continuous_scale='Blues' # Mavi tonlarında renk skalası
)
# 5. Grafik göster
fig.show()
In [111]:
# 1. Toplam kazanç sütunu ekle (Quantity * UnitPrice) (Daha önce eklemediyseniz ekleyin)
df_cleaned['TotalRevenue'] = df_cleaned['Quantity'] * df_cleaned['UnitPrice']
# 2. Ürün bazında toplam kazançları hesapla
least_profitable_products = df_cleaned.groupby('Description')['TotalRevenue'].sum().sort_values(ascending=True).head(10)
# 3. DataFrame'e dönüştür
least_profitable_df = least_profitable_products.reset_index()
# 4. Plotly ile çubuk grafiği oluştur
fig = px.bar(
least_profitable_df,
x='TotalRevenue',
y='Description',
orientation='h', # Yatay çubuk grafik
title='En Az Kazandıran 10 Ürün',
labels={'TotalRevenue': 'Toplam Kazanç (₺)', 'Description': 'Ürün Adı'},
color='TotalRevenue', # Renk toplam kazanca göre belirlensin
color_continuous_scale='Reds' # Kırmızı tonlarında renk skalası
)
# 5. Grafik göster
fig.show()
In [113]:
# Ülke bazında toplam satış miktarını (Quantity) hesaplar
top_countries = df_cleaned.groupby('Country')['Quantity'].sum().sort_values(ascending=False).head(10)
# DataFrame'e dönüştür
top_countries_df = top_countries.reset_index()
# Plotly ile çubuk grafiği oluştururuz
fig = px.bar(
top_countries_df,
x='Quantity',
y='Country',
orientation='h', # Yatay çubuk grafik
title='En Çok Satış Yapılan 10 Ülke',
labels={'Quantity': 'Toplam Satış (Adet)', 'Country': 'Ülke'},
color='Quantity', # Renk toplam satışa göre belirlensin
color_continuous_scale='Blues' # Mavi tonlarında renk skalası
)
# Grafiği gösterir
fig.show()
In [115]:
# 1. Ülke bazında toplam satış miktarını (Quantity) hesapla
top_countries = df_cleaned.groupby('Country')['Quantity'].sum().sort_values(ascending=False).head(10)
# 2. DataFrame'e dönüştür
top_countries_df = top_countries.reset_index()
# 3. Plotly ile çubuk grafiği oluştur
fig = px.bar(
top_countries_df,
x='Country',
y='Quantity',
title='En Çok Satış Yapılan 10 Ülke ve Satış Sayıları',
labels={'Quantity': 'Toplam Satış (Adet)', 'Country': 'Ülke'},
color='Quantity', # Renk toplam satışa göre belirlensin
color_continuous_scale='Blues', # Mavi tonlarında renk skalası
text='Quantity' # Çubukların üzerinde toplam satış miktarını göster
)
# 4. Grafik düzenlemeleri
fig.update_traces(
texttemplate='%{text:.2s}', # Satış sayılarını kısalt (örn. 1.2K)
textposition='outside' # Metni çubukların üstüne koy
)
# 5. Grafik göster
fig.show()
In [117]:
# 1. Ülke bazında toplam satış miktarını (Quantity) hesapla
least_countries = df_cleaned.groupby('Country')['Quantity'].sum().sort_values(ascending=True).head(10)
# 2. DataFrame'e dönüştür
least_countries_df = least_countries.reset_index()
# 3. Plotly ile çubuk grafiği oluştur
fig = px.bar(
least_countries_df,
x='Country',
y='Quantity',
title='En Az Satış Yapılan 10 Ülke ve Satış Sayıları',
labels={'Quantity': 'Toplam Satış (Adet)', 'Country': 'Ülke'},
color='Quantity', # Renk toplam satışa göre belirlensin
color_continuous_scale='Reds', # Kırmızı tonlarında renk skalası
text='Quantity' # Çubukların üzerinde toplam satış miktarını göster
)
# 4. Grafik düzenlemeleri
fig.update_traces(
texttemplate='%{text:.2s}', # Satış sayılarını kısalt (örn. 1.2K)
textposition='outside' # Metni çubukların üstüne koy
)
# 5. Grafik göster
fig.show()
In [119]:
# Tarih tipine dönüştür
df_cleaned['InvoiceDate'] = pd.to_datetime(df_cleaned['InvoiceDate'])
# Hangi gün yapıldığına dair bilgi ekle (0: Pazartesi, 6: Pazar)
df_cleaned['DayOfWeek'] = df_cleaned['InvoiceDate'].dt.dayofweek
# Hafta içi (0-4) ve hafta sonu (5-6) kontrolü
df_cleaned['DayType'] = df_cleaned['DayOfWeek'].apply(lambda x: 'Hafta İçi' if x < 5 else 'Hafta Sonu')
# Satış miktarına göre grupla
day_type_sales = df_cleaned.groupby('DayType')['Quantity'].sum().reset_index()
# Görselleştirme (Plotly Bar Chart)
fig = px.bar(
day_type_sales,
x='DayType',
y='Quantity',
title='Hafta İçi / Hafta Sonu Satış Miktarları',
labels={'Quantity': 'Satış Miktarı', 'DayType': 'Gün Türü'},
color='DayType'
)
fig.show()
In [121]:
# Tarih tipine dönüştür
df_cleaned['InvoiceDate'] = pd.to_datetime(df_cleaned['InvoiceDate'])
# Aylık toplam satışları hesapla
df_cleaned['Month'] = df_cleaned['InvoiceDate'].dt.to_period('M')
monthly_sales = df_cleaned.groupby('Month')['Quantity'].sum().reset_index()
# Dönem bilgisini datetime formatına çevirelim (grafik için)
monthly_sales['Month'] = monthly_sales['Month'].astype(str)
# Görselleştirme (Zaman Serisi Çizgi Grafiği)
fig = px.line(
monthly_sales,
x='Month',
y='Quantity',
title='Aylık Satış Miktarları (Zaman Serisi)',
labels={'Quantity': 'Toplam Satış Miktarı', 'Month': 'Ay'},
markers=True
)
fig.show()
In [193]:
# Kullanıcı-ürün etkileşim matrisi oluştur
interaction_matrix = df.pivot_table(index='CustomerID', columns='StockCode', values='Quantity', aggfunc='sum').fillna(0)
# FunkSVD modeli oluştur
n_components = 20 # Gizli faktör sayısı
svd = TruncatedSVD(n_components=n_components, random_state=42)
user_matrix = svd.fit_transform(interaction_matrix)
item_matrix = svd.components_
# Kullanıcı-ürün etkileşim tahminleri
predicted_ratings = np.dot(user_matrix, item_matrix)
# Kullanıcı için ürün önerisi yap
user_id = 17850 # Örnek kullanıcı
user_idx = interaction_matrix.index.get_loc(user_id)
# Kullanıcının daha önce almadığı ürünleri al
user_ratings = interaction_matrix.iloc[user_idx, :]
user_predictions = predicted_ratings[user_idx, :]
# Ürünleri sıralayarak en iyi önerileri al
unseen_items = user_ratings[user_ratings == 0].index
predicted_scores = {item: user_predictions[interaction_matrix.columns.get_loc(item)] for item in unseen_items}
top_recommendations = sorted(predicted_scores.items(), key=lambda x: x[1], reverse=True)[:10]
# Ürün isimlerini al (StockCode ile Description eşleştirme)
# Eşleştirme tablosu oluşturma
product_names = df[['StockCode', 'Description']].drop_duplicates(subset='StockCode')
# Önerilen ürünlerin isimlerini al
recommendation_df = pd.DataFrame(top_recommendations, columns=['StockCode', 'Score'])
recommendation_with_names = pd.merge(recommendation_df, product_names, on='StockCode', how='left')
# Önerilen ürünleri listele
print("🛒 Kullanıcı {} için önerilen ürünler:".format(user_id))
for idx, row in recommendation_with_names.iterrows():
print(f"Ürün Kodu: {row['StockCode']}, Ürün İsmi: {row['Description']}, Tahmini Skor: {row['Score']}")
🛒 Kullanıcı 17850 için önerilen ürünler: Ürün Kodu: 22197, Ürün İsmi: SMALL POPCORN HOLDER, Tahmini Skor: 25.654790830972193 Ürün Kodu: 84879, Ürün İsmi: ASSORTED COLOUR BIRD ORNAMENT, Tahmini Skor: 25.482389255149375 Ürün Kodu: 22469, Ürün İsmi: HEART OF WICKER SMALL, Tahmini Skor: 18.666816984494663 Ürün Kodu: 22112, Ürün İsmi: CHOCOLATE HOT WATER BOTTLE, Tahmini Skor: 16.102041392865413 Ürün Kodu: 22629, Ürün İsmi: SPACEBOY LUNCH BOX , Tahmini Skor: 15.66719769589141 Ürün Kodu: 47566, Ürün İsmi: PARTY BUNTING, Tahmini Skor: 15.50329591744772 Ürün Kodu: 22151, Ürün İsmi: PLACE SETTING WHITE HEART, Tahmini Skor: 15.29351881264913 Ürün Kodu: 23355, Ürün İsmi: HOT WATER BOTTLE KEEP CALM, Tahmini Skor: 14.373819468385053 Ürün Kodu: 22630, Ürün İsmi: DOLLY GIRL LUNCH BOX, Tahmini Skor: 13.766020452270277 Ürün Kodu: 85099B, Ürün İsmi: JUMBO BAG RED RETROSPOT, Tahmini Skor: 13.639324820585847
In [258]:
data['InvoiceDate'] = pd.to_datetime(data['InvoiceDate']) # Tarih dönüşümü
data['Date'] = data['InvoiceDate'].dt.date # Sadece tarih bilgisini al
# special_day ve campaign_day sütunlarındaki eksik verileri dolduralım mwvcut olan data setindeki
data['special_day'] = data['special_day'].fillna(0).astype(int) # NaN değerleri 0 yap ve tamsayıya çevir
data['campaign_day'] = data['campaign_day'].fillna(0).astype(int) # NaN değerleri 0 yap ve tamsayıya çevir
# Özel günler ve kampanya günleri olan tüm tarihleri belirliyoruz
special_days = data[data['special_day'] == 1]['Date'].unique() # Özel günler
campaign_days = data[data['campaign_day'] == 1]['Date'].unique() # Kampanya günleri
# Bu tarihleri bir DataFrame olarak düzenleyelim tüm gğnlerin türlerini belirledik
all_days = pd.DataFrame({'Date': data['Date'].unique()})
all_days['Date'] = pd.to_datetime(all_days['Date']).dt.date # DateTime'ı sadece tarih formatına çevir
all_days['special_day'] = all_days['Date'].isin(special_days).astype(int) # Özel gün kontrolü
all_days['campaign_day'] = all_days['Date'].isin(campaign_days).astype(int) # Kampanya günü kontrolü
# Her günün türünü belirleyelim
all_days['day_type'] = all_days.apply(
lambda row: 'Special Day' if row['special_day'] == 1
else 'Campaign Day' if row['campaign_day'] == 1
else 'Normal Day',
axis=1
)
# Takvim görünümü oluşturma ———
# Yıl, ay ve gün bilgilerini ekleyelim
all_days['Year'] = pd.to_datetime(all_days['Date']).dt.year
all_days['Month'] = pd.to_datetime(all_days['Date']).dt.month
all_days['Day'] = pd.to_datetime(all_days['Date']).dt.day
# Renk kodları: Özel günler ve kampanya günleri için renk atayalım
color_map = {'Special Day': 'blue', 'Campaign Day': 'red', 'Normal Day': 'lightgrey'}
# Takvimde, her günün özelliğine göre renklendirme yapacağız
fig = px.scatter(
all_days,
x='Month',
y='Day',
color='day_type',
color_discrete_map=color_map,
hover_data={'Date': True, 'day_type': True}, # Fareyle üzerine gelindiğinde bilgi görünsün
title='Takvimde Özel Günler ve Kampanya Günleri',
labels={'day_type': 'Gün Türü', 'Month': 'Ay', 'Day': 'Gün'},
category_orders={'Month': list(range(1, 13))} # Ay sırası 1'den 12'ye olacak
)
# Ekseni duzgun gostermek icin layout ayarlamasi
fig.update_layout(
xaxis_title='Ay',
yaxis_title='Gün',
yaxis=dict(tickvals=list(range(1, 32))), # 1-31 aralığındaki günleri göster
xaxis=dict(tickvals=list(range(1, 13))), # 1-12 aralığındaki ayları göster
height=600, # Grafik yüksekliği
width=900 # Grafik genişliği
)
# Grafiği göster
fig.show()
In [201]:
# Tarih bilgilerini çıkar
df['InvoiceDate'] = pd.to_datetime(df['InvoiceDate'])
df['Day'] = df['InvoiceDate'].dt.day
df['Month'] = df['InvoiceDate'].dt.month
df['Year'] = df['InvoiceDate'].dt.year
df['Weekday'] = df['InvoiceDate'].dt.weekday # Pazartesi=0, Pazar=6
df['IsWeekend'] = df['Weekday'].apply(lambda x: 1 if x >= 5 else 0)
df['TotalPrice'] = df['Quantity'] * df['UnitPrice']
# Mevsim bilgisi ekleyelim
def get_season(month):
if month in [12, 1, 2]:
return 'Winter'
elif month in [3, 4, 5]:
return 'Spring'
elif month in [6, 7, 8]:
return 'Summer'
else:
return 'Autumn'
df['Season'] = df['Month'].apply(get_season)
In [210]:
# Etiketleme işlemi (Season)
le = LabelEncoder()
df['Season'] = le.fit_transform(df['Season'])
# Model için bağımlı (Y) ve bağımsız (X) değişkenleri ayır
X = df[['Quantity', 'UnitPrice', 'Day', 'Month', 'Weekday', 'IsWeekend', 'Season']]
y = df['TotalPrice']
# Veriyi eğitim ve test setine ayır
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
In [211]:
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
# Random Forest Modeli
rf_model = RandomForestRegressor(n_estimators=100, random_state=42)
rf_model.fit(X_train, y_train)
# Tahmin yap
y_pred_rf = rf_model.predict(X_test)
# Performans metriklerini yazdır
print('Random Forest Sonuçları:')
print('MSE:', mean_squared_error(y_test, y_pred_rf))
print('MAE:', mean_absolute_error(y_test, y_pred_rf))
print('R2 Skoru:', r2_score(y_test, y_pred_rf))
Random Forest Sonuçları: MSE: 1.643372299783574 MAE: 0.023049506294010907 R2 Skoru: 0.9947761622914492
In [212]:
# XGBoost Modeli
xgb_model = XGBRegressor(objective='reg:squarederror', n_estimators=100, random_state=42)
xgb_model.fit(X_train, y_train)
# Tahmin yap
y_pred_xgb = xgb_model.predict(X_test)
# Performans metriklerini yazdır
print('XGBoost Sonuçları:')
print('MSE:', mean_squared_error(y_test, y_pred_xgb))
print('MAE:', mean_absolute_error(y_test, y_pred_xgb))
print('R2 Skoru:', r2_score(y_test, y_pred_xgb))
#MSE'nin düşük olması, modelin hata yapma oranının düşük olduğunu gösterir
# R modelin veriye ne kadar iyi uyduğunu gösteren bir metriktir. %88.3'ünü açıklıyor. Bu oldukça iyi bir sonuçtur.
#MAE Daha küçük bir değer, daha iyi bir tahmin anlamına gelir.
XGBoost Sonuçları: MSE: 36.68296216702997 MAE: 0.4166872612637504 R2 Skoru: 0.8833947480709572
In [235]:
y_pred_rf = np.array(y_pred_rf)
y_pred_xgb = np.array(y_pred_xgb)
final_predictions = (y_pred_rf + y_pred_xgb) / 2
print(final_predictions)
#Random forest ve
[ 5.77027431 14.96386843 14.97828321 ... 20.80582848 17.67910061 25.19263515]
In [242]:
mse = mean_squared_error(y_test, final_predictions)
mae = mean_absolute_error(y_test, final_predictions)
r2 = r2_score(y_test, final_predictions)
print('Ortalama Tahmin Sonuçları:')
print('MSE:', mse)
print('MAE:', mae)
print('R2 Skoru:', r2)
# MSE 9.47 Evet Hata karelerinin ortalaması 9.47. Küçük olması iyi olur mse için
# MAE 0.21 Harika Ortalama sapma sadece 0.21 birim. Çok iyi bir değer
# R2 Skoru 0.9698 Mükemmel %96.98 açıklama gücü. Model oldukça güçlü. 0 1 aralıgında 1 e çok yakın oldugu için
Ortalama Tahmin Sonuçları: MSE: 9.476441417143556 MAE: 0.2106618833862042 R2 Skoru: 0.9698769463107862
In [244]:
# Gerçek test verileri ve her iki modelin tahmin değerleri
results_df = pd.DataFrame({
'Gerçek Değerler': y_test,
'Random Forest Tahminleri': y_pred_rf,
'XGBoost Tahminleri': y_pred_xgb,
'Ortalama Tahminler': (y_pred_rf + y_pred_xgb) / 2 # Ortalama tahmin
})
# Scatter plot: Gerçek ve ortalama tahmin değerleri karşılaştırması
fig = px.scatter(
results_df,
x='Gerçek Değerler',
y='Ortalama Tahminler',
title='Gerçek ve Ortalama Tahmin Değerlerinin Karşılaştırılması',
labels={'Gerçek Değerler': 'Gerçek Değerler', 'Ortalama Tahminler': 'Ortalama Tahmin Değerleri'},
color_discrete_sequence=['red']
)
# Kusursuz tahmin çizgisi (Perfect Fit) — Gerçek değerlerle tahmin değerleri arasında 1:1 ilişki
fig.add_trace(
go.Scatter(
x=[results_df['Gerçek Değerler'].min(), results_df['Gerçek Değerler'].max()],
y=[results_df['Gerçek Değerler'].min(), results_df['Gerçek Değerler'].max()],
mode='lines',
name='Mükemmel Uyum (Perfect Fit)',
line=dict(color='blue', dash='dash')
)
)
# Ek olarak, RandomForest ve XGBoost tahminlerini de görebiliriz
fig.add_trace(
go.Scatter(
x=results_df['Gerçek Değerler'],
y=results_df['Random Forest Tahminleri'],
mode='markers',
name='Random Forest Tahminleri',
marker=dict(color='orange', size=6, opacity=0.6)
)
)
fig.add_trace(
go.Scatter(
x=results_df['Gerçek Değerler'],
y=results_df['XGBoost Tahminleri'],
mode='markers',
name='XGBoost Tahminleri',
marker=dict(color='green', size=6, opacity=0.6)
)
)
# Grafiğin son ayarları ve gösterimi
fig.update_layout(
xaxis_title="Gerçek Değerler",
yaxis_title="Tahmin Değerleri",
title="Gerçek Değerler ve Tahmin Değerlerinin Karşılaştırılması (Ortalama, RF, XGB)",
legend_title="Tahmin Türü",
width=900,
height=600
)
# Grafiği göster
fig.show()
In [ ]:
import plotly.express as px import plotly.graph_objects as go
Gerçek ve tahmin değerlerini bir DataFrame'e koy¶
results_df = pd.DataFrame({'Gerçek Değerler': y_test, 'Random Forest Tahmini': y_pred_rf, 'XGBoost Tahmini': y_pred_xgb})
Mükemmel tahmin çizgisini ekle¶
perfect_fit_line = go.Scatter( x=[results_df['Gerçek Değerler'].min(), results_df['Gerçek Değerler'].max()], y=[results_df['Gerçek Değerler'].min(), results_df['Gerçek Değerler'].max()], mode='lines', name='Perfect Fit', line=dict(color='black', dash='dash') )
Random Forest için scatter plot¶
rf_scatter = go.Scatter( x=results_df['Gerçek Değerler'], y=results_df['Random Forest Tahmini'], mode='markers', name='Random Forest', marker=dict(color='red', opacity=0.6) )
XGBoost için scatter plot¶
xgb_scatter = go.Scatter( x=results_df['Gerçek Değerler'], y=results_df['XGBoost Tahmini'], mode='markers', name='XGBoost', marker=dict(color='blue', opacity=0.6) )
Tüm izleri birleştirme¶
fig = go.Figure(data=[rf_scatter, xgb_scatter, perfect_fit_line])
Grafik düzeni¶
fig.update_layout( title="Gerçek ve Tahmin Değerlerinin Karşılaştırılması", xaxis_title="Gerçek Değerler", yaxis_title="Tahmin Değerleri", legend_title="Model", width=800, height=600 )
Grafiği göster¶
fig.show()
In [ ]: